数据挖掘之建模调参
一般建模与调参大致流程内容（以天池二手车预测为例）
1.线性回归模型：
- 线性回归对于特征的要求；
- 处理长尾分布；
- 理解线性回归模型；
2.模型性能验证：
- 评价函数与目标函数；
- 交叉验证方法；
- 留一验证方法；
- 针对时间序列问题的验证；
- 绘制学习率曲线；
- 绘制验证曲线；
3.嵌入式特征选择：
- Lasso回归；
- Ridge回归；
- 决策树；
4.模型对比：
- 常用线性模型；
- 常用非线性模型；
5.模型调参：
- 贪心调参方法；
- 网格调参方法；
- 贝叶斯调参方法；
数据挖掘建模根据挖掘目标和数据形式大致可建立：分类与预测、聚类分析、关联规则、时序模式、偏差检测等模型
-
1.分类与预测
常见算法信息
python分类与预测算法特点# -
2.聚类分析
常用聚类方法：
Python主要聚类分析算法 -
3.关联规则
关联规则目的：在一个数据集中，找出各项之间的关联关系。
常用关联规则算法 -
4.时序算法
python主要时序算法 - 5.离群点检测
模型调参总结
- List item